CNN이 다루는 문제들 (Classification, Localization, Segmentation)

Computer Vision (CV)분야는 image를 다루는 전문 분야입니다.

CV에서 다루는 문제로는 크게 Classification, Localization, Segmentation으로 3가지가 있습니다.

 

DNN 중에서도 Image 처리에 높은 Accuracy를 달성하는 Convolutional Neural Network (CNN) 또한 해당 문제들을 풀기 위해 계속해서 연구되고 있습니다.

CNN을 공부하기에 앞서 이를 알고 가면 좋을거 같아 정리하여 남깁니다.

 

 

 

 

==========================================================

1. Classification (분류) : image를 보고 해당 image의 object가 무엇인지 예측하는 문제

ex) 강아지 image을 보고 강아지인지 맞추는 것
->  AlexNet / VGG / ResNet (ILSVRC challenge model)

2. Localization / Detection (발견) : image안에 object들이 어디에 있는지 찾아내는 문제  

Object가 있는 곳에 bounding box를 그리는 방식으로 표시

-> R-CNN / Fast R-CNN / Faster R-CNN 

3. Segmentation (분할) : Detection보다 더 detail하게 image의 pixel단위로 찾아내고 분류하는 문제

즉, image를 보고 classification이외에 추가적으로 그 장면을 완벽하게 이해해야 하는 어려운 문제
-> FCN /  DeepLab (Google의 Pixel2 phone에 적용 = 사진을 찍을 때 사람을 찾아내 사람 이외의 배경은 흐리게 함) 

 

그림 출처

 

 

 

==========================================================

*** Semantic Segmentation VS Object Detection
= Object Detection은 image 내에서 object들을 검출한 것을 직사각형의 bounding box로 묶어서 표현

= Semantic Segmentation은 각자 다른 class에 속하는 물체들을 좀 더 정확하게 pixel 단위로 분할해서 표현

==========================================================

*** Semantic Segmentation VS Instance Segmentation
= Semantic Segmentation은 class에 속하면 각각 독립된 object라고 하더라도 하나의 색으로 표현 
= Instance Segmentation은 class에 속하더라도 독립된 object라면 각기 다른 색으로 표현

==========================================================

 

 

Reference : A Review on Deep Learning Techniques Applied to Semantic Segmentation [arxiv 2017]